- 博客(4)
- 收藏
- 关注
RSS订阅原创 2021-02-04
首先我们从卷积神经网络的来源说起。第一，卷积，卷积一开始是一个物理概念（公式如图），是两个变量在某范围内相乘后求和的结果，常用来表示两个变量之间的关联。在图像中，卷积用来反映局部图像与我们需要分辨的特征的关联。我们会让卷积核在整个图像上滑动，如果在图像上某处，得到了相应的特征，那么模型就会自动识别出来。第二，神经网络，是指利用一层层神经元构建成一个类似大脑结构的模型，从而自动实现端到端的学习。为什么要用神经网络？因为传统计算机视觉，对图像的理解非常重要，图像的特征有颜色特征、几何特征、边缘特征、局
2021-02-04 19:24:30
90
原创 学深度学习和神经网络之前要先学机器学习吗？
必须要学，至少是当下必须要学。首先，从大家最关心的就业角度来说，机器学习的岗位暂时还是远多于深度学习的岗位。因为深度学习是最近3-5年火起来的，而面试你的人，大都在这之前就已经入行了，所以他们不一定很懂深度学习，但是必定学过机器学习。因此，主流公司的算法工程师的面试，深度学习可能不考，但是机器学习必考。这是绕不开的，因为面试官可能对深度学习不太了解，他们那个年代学的是机器学习，喜欢做公式推导。而且，现在工业界用的很多模型还是LR，FM，XGBoost这些传统模型，因为它们轻量级，更容易实现。所以，从找工
2021-01-17 23:43:39
861
原创 “深度学习”如何入门？学习路径篇，附论文资料！
现在，深度学习入门相较于几年前，已经门槛非常低了，既有大量的中文资料，又有现成的训练平台（tensorflow和pytorch），但是我们仍然需要一些技巧。首先，第一步，也是必须的一步，就是补习一下微积分的知识。可能有同学一听到微积分就头痛，不过没关系，深度学习用的微积分知识不多，主要是导数，梯度，链式法则。基本上也就是书上一两章的内容，这些弄懂基本足够了。如果想深入一些，可以再补一补函数极值，牛顿法，矩阵分解，这些知识点大都是传统机器学习的必需品，深度学习已经没有那么讲究了。接下来，需要选择你的打
2021-01-02 15:44:55
1150
原创 什么是“深度学习”？简答科普篇，一看就懂
深度学习，说到底，就是模仿人脑结构的一种学习方式。首先输入角度，人脑是怎么学习的，人的学习方式往往是非结构化数据, 无论是图像，语言，文字，皆可归于此类，这些数据很难用纯数字的方法量化，无法做成传统机器学习那种一列一列数字特征（或类别特征）的形式，所以传统机器学习或多或少都需要特征工程，而且不同领域的特征工程相差巨大。然而，深度学习却可以直接输入图像，语言，文字的原始数据（进行简单的数字化处理），进行学习，可以说，是最接近人脑的一种输入数据的格式。其次模型角度，人脑是如何处理信息的，靠海量的神经元，
2020-12-30 19:51:15
2658
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人